[发明专利]一种对台区用电进行精准预测的方法及系统、设备、介质

权利要求书

1.一种对台区用电进行精准预测的方法，其特征在于，包括以下内容：

步骤S1：采集台区内用户近两年的负荷数据，利用余弦距离公式分析台区内各用户用电的稳定状态以得到关于台区用电稳定状态的第一特征值；

步骤S2：采集台区总负荷数据并选出与台区用电负荷数据相关的至少一个第二特征值；

步骤S3：对所有的第二特征值逐个进行单一模型构建以得到不同时刻的负荷预测值序列和残差值序列，每个时刻的负荷预测值序列和残差值序列均对应所有的第二特征值，并利用不同台区用电稳定状态下的第二特征值对应的t时刻的残差值序列与对应的第一特征值序列构建线性修正模型以得到每个第二特征值对应的修正系数，利用该修正系数对不同时刻的残差值序列中每个第二特征值所对应的残差值进行对应修正；

步骤S4：将不同时刻的负荷预测值序列和修正后的残差值序列进行非线性组合后输入门控循环单元神经网络中，得到最终的台区用电负荷预测结果。

2.如权利要求1所述的对台区用电进行精准预测的方法，其特征在于，所述步骤S1具体包括以下内容：

步骤S11：采集台区内各用户近两年的负荷数据；

步骤S12：基于台区内某一用户近两年的负荷数据得到其每一年关于日最大功率的时序特征向量；

步骤S13：基于权重占比公式对上述两个时序特征向量进行变换以得到两个新的时序特征向量；

步骤S14：利用余弦距离公式计算两个新的时序特征向量之间的余弦距离值以判断近两年该用户的负荷稳定状态；

步骤S15：重复执行步骤S12至步骤S14以计算得到台区内所有用户的余弦距离值，基于所有的余弦距离值分布情况进行台区用电负荷稳定状态等级的划分，并基于不同稳定状态等级的占比得到关于台区用电稳定状态的第一特征值。

3.如权利要求1所述的对台区用电进行精准预测的方法，其特征在于，所述步骤S3包括以下内容：

步骤S31：将其中一个第二特征值对应的数据作为数据源，对每一组数据序列检验其平稳性，若数据序列平稳则采用ARMA模型计算预测值，若数据序列不平稳则采用ARIMA模型计算预测值，从而得到该特征值对应的预测值序列；

步骤S32：基于该预测值序列得到该第二特征值对应的预测模型；

步骤S33：基于该预测模型得到该第二特征值在不同时刻的负荷预测值，并结合对应时刻的实际值计算得到不同时刻的残差值；

步骤S34：重复执行上述步骤，得到每个第二特征值在不同时刻对应的负荷预测值和残差值，从而得到不同时刻的负荷预测值序列和残差值序列，每个时刻的负荷预测值序列和残差值序列均对应所有的第二特征值；

步骤S35：基于不同的台区用电稳定状态，将其中一个第二特征值通过其对应的预测模型得到的t时刻的残差值序列与对应的第一特征值序列构建线性修正模型以得到该第二特征值所对应的修正系数，并利用该修正系数对不同时刻的残差值序列中该第二特征值所对应的残差值进行修正；

步骤S36：重复执行上述步骤S35，对上述不同时刻的残差值序列中每个第二特征值所对应的残差值进行修正，从而得到修正后的不同时刻的残差值序列。

4.如权利要求1所述的对台区用电进行精准预测的方法，其特征在于，还包括以下步骤：

步骤S5：获取台区配电变压器的容量信息，并结合最终的台区用电负荷预测结果判断是否上报预警信息至主站。

5.如权利要求1所述的对台区用电进行精准预测的方法，其特征在于，

所述第二特征值包括星期序号、节假日、气候、月份和台区日用电习惯中的至少一者。

6.如权利要求2所述的对台区用电进行精准预测的方法，其特征在于，

所述步骤S15中基于所有的余弦距离值分布情况将台区用电负荷稳定状态划分为0.2、0.4、0.6、0.8和1.0五个等级，数值越高越稳定，根据不同稳定状态等级的占比η₁、η_0.8、η_0.6、η_0.4、η_0.2，得到关于台区用电稳定状态的第一特征值τ_η，